Project-MONAI / Project-MONAI/tutorials
MAISI: Quantizer compression for the embedding feature generation by autoencoder
Dieses Issue hat noch niemand übernommen.
- Vorherrschende Sprache
- Jupyter Notebook
- Sterne
- 2.5k
- Forks
- 803
- Ø Merge
- 6 T. 22 Std.
- Gemergte PRs (30 T.)
- 3
Beschreibung
Hi,
When I generate the embedding features by the trained autoencoder for the lung CT case with size of 836x512x512, I often encounter the OOM issue with 48GB GPU. Even though I have adjust the slices_num_max=256, it still suffers from the OOM issue, which may result in the stitch artifact issue. Thanks.
Beitragsleitfaden
Erste Schritte
- Lies das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreib ins Issue, dass du es übernimmst — das erspart doppelte Arbeit.
- Forke das Repository und arbeite in einem Branch.
- Öffne einen Pull Request, der die Issue-Nummer nennt.
Rechercherichtung
Es ist keine Datei und kein Test benannt. Beginne damit, den Workflow zur Generierung von Embedding-Features des MAISI-Autoencoders zu lokalisieren, und reproduziere ihn mit dem Lungen-CT-Fall 836x512x512 auf einer 48-GB-GPU. Untersuche die Komprimierung des Quantisierers; als abgeschlossen gilt die Aufgabe, wenn OOM vermieden wird und gleichzeitig Stitching-Artefakte verhindert werden.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Bewertung
- Tech-Stack
- pytorch
- Bereich
- machine-learning, performance
- Issue-Typ
- Feature
- Schwierigkeit
- 5/5
- Geschätzter Aufwand
- Über eine Woche
- Aktivitätsstatus
- Veraltet
- Klarheit
- Muss geklärt werden
- Anfängerfreundlichkeit
- 25/100